网络民工队——β冲刺总结
| 这个作业属于哪个课程 | 2023年福大-软件工程实践-W班 |
|---|---|
| 这个作业要求在哪里 | 团队作业——beta冲刺+事后诸葛亮 |
| 这个作业的目标 | beta冲刺Day1随笔 |
| 其他参考文献 | 无 |
对于冲刺开始前设立的任务
冲刺前设立的任务基本完成,详见《预则立博客》。
| 三层地图关卡 | 100% |
| 人物攻击动画、效果 | 100% |
| 游戏进入前等游戏外UI | ~100% |
项目进行中改进情况
1、对于git工具的使用,主要开发人员改用图形化工具sourceTree,避免了很多麻烦。
2、每天及时反馈问题并沟通解决。
项目链接
项目展示
开始界面

存档界面

备战场景,玩家在此处选择武器和法术



死亡界面


关卡中画面



因为设备原因录频失败,我们在答辩课上会进行项目演示
心得体会
成员:222000311
在本次β冲刺中,我负责玩家攻击手段以及部分怪物的实现,后期参与了地图设计和项目测试。相比于上一次冲刺,本次个人任务规划更加清晰,每天的任务落实情况相互之间都会及时交流,与队友的交流更加频繁畅通。除了编程方面的提升,还见识了组内大佬对于游戏开发的热爱,自己也被感染了哈哈,真正体会到一些做游戏的快乐。
---
成员:222000305
本次冲刺解决了许多α阶段没解决的问题,但是同时也增加了更多的问题,在α阶段无法预料的问题严重拉长了β冲刺的时间,并且α阶段没有看到堆量的问题,堆量反而是游戏中耗费时间最长的一环,为了表现当前系统,必须对部分系统进行堆量。
收获:本次β阶段主要涉及GamePlayer方向的开发和填充,相比于α阶段,可复用的逻辑较多,但也需要更多新的继承补充,GamePlayer知识海广而深,相比于系统开发,更考究开发经验和遇到的问题。比如各物品之间的交互、系统的配合、游戏的设计等等都需要体现在GamePlay中,而系统并不会有太大改变。这也让我更加确定了GamePlay的深度,虽然目前主要方向是系统开发,但GamePlay的学习亟需加强。
---
成员:222000312
beta冲刺的时间相对alpha冲刺较短,感谢软工实践让我提前感受到了上班的体验,也让我发现了对于基础知识理解上的不牢固,比如有些bug改了但是都不知道是怎么产生的,还有对于原理上的掌握是不够的,这对我来说是一个考验,在这个过程中也使我受益匪浅。通过这次冲刺,让我了解了软件的开发流程,也体会到了团队合作的重要性,正式因为小组成员的通力合作,才能有最后的成果,同时也意识到了自己还有许多不足,今后还需要继续提高自己的能力。在整个软件工程实践中,作为团队中的一份子,我深刻体会到团队的运作与自己在团队中的责任。在一次次交流沟通中了解组员的工作,用于最后的贡献度分配与调整,在了解组员工作后发现自身的不足,拓宽自己的知识面。完成了这次实践项目,是全小组人员的共同努力,每个人都很棒!
---
成员:222000420
β冲刺是软工实践的收官之战,能感觉到我们的队员都很努力想要完成这次项目,我也想尽力帮助我的队友们。
β冲刺中,基于α冲刺学习到了更多的新知识,包括效果制作等,希望能在日后的工作中学习到更多。
很开心在小组中与大家一起努力工作,很期待在以后的工作中运用到这次软工实践中学习到的内容。
---
成员:222000422
在本次冲刺过程中,我体会到团队的分工合作的重要性,在组长的带领下,团队成员共同努力,相互帮助,完成了此次冲刺。在此期间,我学会了unity的使用以及一个游戏项目的制作流程,收获了许多宝贵的项目经历,希望在以后的学习经历中,能越来越好。
---
成员:222000335
学习unity开发还需要工程学,opengl,图形学各种“高大上“的技能,这很考验一个人的学习能力,就目前来说,单例模式可以使用于界面ui上的基础信息,一场游戏只会实例化一次的对象可以使用单例模式进行设计,那么在游戏中明显可以节约系统资源,避免频繁的创建和销毁实例对象。代码审查本身可以提高开发者的能力,让其从自身犯过的错误中学习,从他人的思路中学习。如果开发者对这个流程有抵触或者反感,这个目的就达不到。
---
成员:222000315
在这次β冲刺中,我主要担任的任务是场景的搭建和部分动画的制作,这两次冲刺下来的收获还是不少的:与队友的沟通合作、unity2d的开发、git工具的使用,我非常珍惜在这两次冲刺里学到的东西。也见识到了差距,我开发出来的场景和有丰富经验的队友的作品还有不小的差距:场景细腻度、整体观感等等,道阻且长。
---
成员:222000306
通过这次Beta冲刺,我明白了要善于使用代码管理工具。再者,要加强团队之间的沟通和联系。
这样,团队的分工更加合理,团队的协作能力大大提升,团队的关系更加和睦。
小组分工及贡献度
| 学号 | 工作内容 | 贡献度 |
| 222000311 | 玩家攻击手段、部分怪物实现 | 19% |
| 222000305 | 对系统进行堆量 | 19% |
| 222000315 | 地图场景设计、部份动画 | 10% |
| 222000422 | 阿尔法冲刺总结博客、团队项目评审表 | 8% |
| 222000306 | 用户使用调查报告、凡事预则立随笔 | 8% |
| 222000312 | 提供项目想法、协助完成任务 | 7% |
| 222000420 | 阿尔法冲刺总结博客、团队项目评审表、音乐,人物等素材 | 8% |
| 222000314 | 每日冲刺博客、博客修改、项目整合 | 15% |
| 222000335 | 代码审查 | 6% |
相关推荐
A Survey of LLM Negotiation and Bargaining Agents |LLM谈判与议价智能体综述 |arxivreview
# A Survey of LLM Negotiation and Bargaining Agents |LLM谈判与议价智能体综述 |arxivreview 综述原文见 [ArxivReview](https://www.arxivreview.com/surveys/LLM%20Negotiation%20and%20Bargaining%20Agents) ## 导读 大语言模型(LLM)谈判智能体正经历从语言模拟向经济理性的范式跃迁,其核心矛盾在于人类对齐训练带来的亲社会偏见与博弈论要求的最优策略之间的冲突。早期研究聚焦于自然语言生成的流畅性,但NegotiationArena等基准迅速揭示了模型在策略推理上的系统性缺陷,如锚定偏差与过度合作。为修正这些非理性行为,研究重心转向可验证奖励强化学习(RLVR),利用客观经济信号替代主观人类偏好,显著提升了剩余提取能力。与此同时,情感策略蒸馏与机制可解释性分析作为互补路线,分别解决了边缘部署中的能力缺失与偏差的神经基础问题。各路线在策略理性、部署效率与可解释性之间做出了不同取舍,由此形成当前多元并存的方法格局。本综述梳理这条从行为优化到机制理解的因果演进链条,为读者提供一张领域认知地图。全文按问题演化与路线取舍组织,覆盖该领域从奠基到当前的主要工作。 ## 1. 研究背景、问题结构与演进脉络 LLM谈判与议价智能体领域的兴起,源于大语言模型从静态文本生成向自主智能体(Autonomous Agents)的范式转变。早期研究如Lewis et al. (2017)提出的DealOrNoDeal和He et al. (2018)的CraigslistBargain,局限于基于规则或简单神经网络的文本谈判协议,缺乏对复杂策略推理和自然语言说服力的建模。这些工作确立了基于对话历史的策略生成与语言生成分离的早期架构,但仅
typora编辑器 markdown Mac版本
typora编辑器 markdown Mac版本
蓝桥杯python中级真题-熊怪吃核桃(题目与思路)
蓝桥杯python中级真题-熊怪吃核桃(题目与思路)
健康医疗AI大模型辅助诊断系统建设方案(二).pptx
健康医疗AI大模型辅助诊断系统建设方案(二).pptx
集团公司卓越采购供应链管理体系规划建设方案.pptx
集团公司卓越采购供应链管理体系规划建设方案.pptx


